論文の概要: Evaluating Graph Vulnerability and Robustness using TIGER
- arxiv url: http://arxiv.org/abs/2006.05648v2
- Date: Sun, 15 Aug 2021 19:37:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 06:35:46.692537
- Title: Evaluating Graph Vulnerability and Robustness using TIGER
- Title(参考訳): TIGERを用いたグラフ脆弱性とロバスト性の評価
- Authors: Scott Freitas, Diyi Yang, Srijan Kumar, Hanghang Tong, Duen Horng Chau
- Abstract要約: TIGERは、ネットワークの堅牢性を研究するためのオープンソースのPythonツールボックスである。
TIGERには22のロバストネスグラフ測度があり、原版と高速な近似版がある。
TIGERは、世界中の教育者が利用できるNvidia Data Science Teaching Kitと、1000人以上の学生を持つジョージア工科大学のData and Visual Analyticsクラスに統合されている。
- 参考スコア(独自算出の注目度): 77.50446320230624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Network robustness plays a crucial role in our understanding of complex
interconnected systems such as transportation, communication, and computer
networks. While significant research has been conducted in the area of network
robustness, no comprehensive open-source toolbox currently exists to assist
researchers and practitioners in this important topic. This lack of available
tools hinders reproducibility and examination of existing work, development of
new research, and dissemination of new ideas. We contribute TIGER, an
open-sourced Python toolbox to address these challenges. TIGER contains 22
graph robustness measures with both original and fast approximate versions; 17
failure and attack strategies; 15 heuristic and optimization-based defense
techniques; and 4 simulation tools. By democratizing the tools required to
study network robustness, our goal is to assist researchers and practitioners
in analyzing their own networks; and facilitate the development of new research
in the field. TIGER has been integrated into the Nvidia Data Science Teaching
Kit available to educators across the world; and Georgia Tech's Data and Visual
Analytics class with over 1,000 students. TIGER is open sourced at:
https://github.com/safreita1/TIGER
- Abstract(参考訳): ネットワークの堅牢性は、交通、通信、コンピュータネットワークといった複雑な相互接続システムを理解する上で重要な役割を果たす。
ネットワークの堅牢性に関して重要な研究がなされているが、研究者や実践者を支援するための包括的なオープンソースツールボックスは現在存在しない。
この利用可能なツールの欠如は、既存の作業の再現性と検証、新しい研究の発展、新しいアイデアの広まりを妨げる。
これらの課題に対処するために、オープンソースのPythonツールボックスであるTIGERにコントリビュートしています。
TIGERには、原型と高速な近似版の両方による22のグラフ堅牢性対策、17の失敗と攻撃戦略、15のヒューリスティックと最適化に基づく防御手法、および4つのシミュレーションツールが含まれている。
ネットワークの堅牢性を研究するために必要なツールを民主化することで、研究者や実践者が自身のネットワークを分析するのを支援し、この分野における新たな研究を促進することを目的としています。
TIGERは、世界中の教育者が利用できるNvidia Data Science Teaching Kitと、1000人以上の学生を持つジョージア工科大学のData and Visual Analyticsクラスに統合されている。
TIGERは、https://github.com/safreita1/TIGERでオープンソース化されている。
関連論文リスト
- An Empirical Study of AI Generated Text Detection Tools [0.0]
ChatGPTには大きな約束がありますが、その誤用によって起こりうる深刻な問題があります。
GPTkit"、"GPTZero"、"Originality"、"Sapling"、"Writer"、"Zylalab"を含む6つの異なる人工知能(AI)テキスト識別システムは、精度が55.29から97.0%である。
論文 参考訳(メタデータ) (2023-09-27T12:44:12Z) - GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training
Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。
Jupyter NotebookベースのウォークスルーがGitHubで公開されている。
GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文 参考訳(メタデータ) (2023-06-02T12:09:59Z) - Tool Learning with Foundation Models [114.2581831746077]
基礎モデルの出現により、AIシステムは、人間としてのツールの使用に等しく適応できる可能性がある。
その大きな可能性にもかかわらず、この分野における重要な課題、機会、そして将来の取り組みに関する包括的な理解はいまだに欠けている。
論文 参考訳(メタデータ) (2023-04-17T15:16:10Z) - The Open MatSci ML Toolkit: A Flexible Framework for Machine Learning in
Materials Science [3.577720074630756]
Open MatSci ML Toolkitは、科学的データにディープラーニングモデルとメソッドを適用するための、柔軟で自己完結型でスケーラブルなPythonベースのフレームワークである。
オープンソースリリースを通じて、このツールキットを研究コミュニティに公開し、共有することで、次のように期待しています。
OpenCatalystデータセットを使い始めようとする、新しい機械学習研究者や実践者の参入障壁を低くする。
論文 参考訳(メタデータ) (2022-10-31T17:11:36Z) - A Survey on Knowledge Graph-based Methods for Automated Driving [0.0]
知識グラフ(KG)は、構造化データ、動的データ、およびリレーショナルデータを活用することで恩恵を受けるアプリケーションに対して、業界と学術の両方から大きな注目を集めている。
我々は、現在研究課題を議論し、自動運転のためのKGベースのソリューションについて、将来的な研究方向性を提案する。
論文 参考訳(メタデータ) (2022-09-30T15:47:19Z) - Self-Supervised Graph Neural Network for Multi-Source Domain Adaptation [51.21190751266442]
ドメイン適応(DA)は、テストデータがトレーニングデータの同じ分布に完全に従わない場合に、シナリオに取り組む。
大規模未ラベルサンプルから学習することで、自己教師型学習がディープラーニングの新しいトレンドとなっている。
我々は,より効果的なタスク間情報交換と知識共有を実現するために,新しい textbfSelf-textbf Supervised textbfGraph Neural Network (SSG) を提案する。
論文 参考訳(メタデータ) (2022-04-08T03:37:56Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳(メタデータ) (2022-03-02T17:41:45Z) - A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。
そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
論文 参考訳(メタデータ) (2021-10-18T20:13:38Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳(メタデータ) (2020-10-28T08:31:40Z) - Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research
Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。
本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
論文 参考訳(メタデータ) (2020-04-10T17:12:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。